Semantic Communication with an LLM-enabled Knowledge Base
基于LLM的知识库的语义通信
专题命中 幻觉与事实性 ：alignment(abstract)
AI总结 本文提出SC-LMKB系统，利用LLM生成能力增强知识库，通过提示工程和交叉注意力对齐方法生成源数据和信道数据，结合跨域融合编解码框架降低幻觉影响，实验显示性能提升显著。
AI 大模型
大模型对齐与安全
大模型对齐、安全、越狱、红队、提示注入和可信评测。
1. 幻觉与事实性 10 篇
2. 隐私与版权 4 篇
TransAgent: Enhancing LLM-Based Code Translation via Fine-Grained Execution Alignment
TransAgent：通过细粒度执行对齐增强基于LLM的代码翻译
机构 * Fudan University（复旦大学） ； Tsinghua University（清华大学）
专题命中 隐私与版权 ：alignment(title,abstract)；分类 cs.AI
AI总结 TransAgent通过细粒度执行对齐本地化错误代码块，提升LLM代码翻译的准确性与修复性能，优于现有方法33.3%和56.7%。
Comments Accepted by FSE'26
Towards Reliable Forgetting: A Survey on Machine Unlearning Verification
迈向可靠的遗忘：机器遗忘验证的综述
机构 * Huazhong University of Science and Technology（华中科技大学） ； University of Technology Sydney（悉尼科技大学） ； Griffith University（格里菲斯大学）
专题命中 隐私与版权 ：alignment(abstract)；分类 cs.LG
AI总结 本文综述了机器遗忘验证方法，提出行为验证与参数验证两类分类，分析现有方法的假设、优缺点及实际部署中的漏洞，指出当前验证研究的开放问题。
Comments Accepted by ACM Computing Surveys 2026
From Cool Demos to Production-Ready FMware: Core Challenges and a Technology Roadmap
从Cool演示到生产级FMware：核心挑战和技术路线图
机构 * Centre for Software Excellence, Huawei Canada（华为加拿大软件卓越中心） ； Queen's University（女王大学）
专题命中 隐私与版权 ：alignment(abstract)；分类 cs.AI
AI总结 本文探讨了从演示级到生产级FMware的过渡挑战，分析了FMware选型、数据对齐、提示工程等关键问题，并提出技术路线图以指导其规模化应用。
Copyright Protection for Large Language Models: A Survey of Methods, Challenges, and Trends
大型语言模型的版权保护：方法、挑战与趋势的综述
专题命中 隐私与版权 ：harmlessness(abstract)
AI总结 本文综述了大型语言模型版权保护现状，重点探讨了模型指纹技术，涵盖文本水印与模型水印的关联、多种文本水印技术对比、模型指纹分类、指纹转移与去除技术及评估指标，揭示了开放挑战与未来研究方向。
3. 安全评测 26 篇
A Multi-Stage Validation Framework for Trustworthy Large-scale Clinical Information Extraction using Large Language Models
一种用于可信大规模临床信息提取的多阶段验证框架
机构 * Oak Ridge National Laboratory（橡树岭国家实验室） ； Program Evaluation and Resource Center, Office of Mental Health and Office of Suicide Prevention, Department of Veterans Affairs（退伍军人事务部心理健康办公室和自杀预防办公室项目评估与资源中心） ； Vanderbilt University Medical Center（范德比尔特大学医学中心） ； VA Maryland Health Care System（退伍军人事务部马里兰医疗保健系统） ； VA Desert Pacific Healthcare Network（退伍军人事务部沙漠太平洋医疗网络） ； VA Connecticut Health Care System（退伍军人事务部康涅狄格医疗保健系统） ； Yale School of Medicine（耶鲁医学院）
专题命中 安全评测 ：trustworthy(title,abstract)；分类 cs.CL、cs.AI
AI总结 本文提出多阶段验证框架，通过弱监督评估提升LLM在临床信息提取中的可信度与准确性，验证了在大规模数据中应用的可行性。
Towards Trustworthy Report Generation: A Deep Research Agent with Progressive Confidence Estimation and Calibration
迈向可信报告生成：一种带有逐步置信度估计和校准的深度研究代理
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Southeast University（东南大学）
专题命中 安全评测 ：trustworthy(title,abstract)；分类 cs.CL、cs.AI
AI总结 本文提出一种深度研究代理，通过逐步置信度估计和校准提升报告生成的可信度，增强透明度和用户信任。
Comments 20 pages, 3 tables, 2 figures
Forgetting as a Feature: Cognitive Alignment of Large Language Models
作为特征的遗忘：大型语言模型的认知对齐
专题命中 安全评测 ：alignment(title)；分类 cs.CL
AI总结 研究将遗忘视为大型语言模型的认知机制，通过建立基准测试评估时间推理、概念漂移适应和联想回忆，发现模型遗忘率与人类记忆效率的权衡相似，并提出概率记忆提示策略提升长期推理性能。
Comments arXiv admin note: This submission has been withdrawn by arXiv administrators due to incorrect authorship. Author list truncated
The Model Agreed, But Didn't Learn: Diagnosing Surface Compliance in Large Language Models
模型已达成一致，但未学习：诊断大语言模型中的表面合规性
机构 * Independent Researcher（独立研究员） ； Cornell Tech（康奈尔科技校区） ； The Ohio State University（俄亥俄州立大学） ； The Pennsylvania State University（宾夕法尼亚州立大学）
专题命中 安全评测 ：trustworthy(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 研究通过引入诊断框架，揭示大语言模型在记忆修改中存在表面合规现象，指出编辑方法可能仅模仿输出而非改变内部信念，导致认知不稳定和记忆不可逆。
Comments ACL 2026 Findings
Sim-CLIP: Unsupervised Siamese Adversarial Fine-Tuning for Robust and Semantically-Rich Vision-Language Models
Sim-CLIP: 无监督的孪生对抗微调用于鲁棒且语义丰富的视觉-语言模型
机构 * Florida Atlantic University（佛罗里达大西洋大学）
专题命中 安全评测 ：alignment(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 Sim-CLIP通过无监督对抗微调提升CLIP视觉编码器的鲁棒性，同时保持语义表示。采用孪生架构和余弦相似度目标，避免大批次对比学习和额外动量编码器，实现低计算开销的鲁棒训练。
Comments Accepted at IJCNN 2026
Automatic Replication of LLM Mistakes in Medical Conversations
医疗对话中大语言模型错误的自动复制
机构 * Lumos AI
专题命中 安全评测 ：safety(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文提出MedMistake自动管道，通过提取医疗对话中LLM的错误生成单次问答对，构建基准测试集，验证了GPT、Claude和Grok在医疗问答任务中的最佳性能。
Comments 48 pages, 3 figures, 4 tables
Stories of Your Life as Others: A Round-Trip Evaluation of LLM-Generated Life Stories Conditioned on Rich Psychometric Profiles
你生命中的故事：基于丰富心理测量资料的LLM生成生命故事的往返评估
机构 * LoveMind AI ； Jheronimus Academy of Data Science（耶罗尼米斯数据科学学院）
专题命中 安全评测 ：alignment(abstract)；分类 cs.CL、cs.AI
AI总结 本文通过LLM生成生命故事并回收心理测量数据，验证了LLM在编码和解码个体差异方面的鲁棒性，展示了心理特征与语言表达之间的关系。
Comments Under review at COLM
Graphic-Design-Bench: A Comprehensive Benchmark for Evaluating AI on Graphic Design Tasks
Graphic-Design-Bench：一个全面的评估AI在图形设计任务中的基准测试
专题命中 安全评测 ：alignment(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出GraphicDesignBench，首个针对专业图形设计任务的全面基准测试集，评估AI模型在布局、排版、信息图、模板设计和动画等任务中的表现，揭示当前模型在空间推理、矢量代码生成和动画分解等方面存在的不足。
MMORF: A Multi-agent Framework for Designing Multi-objective Retrosynthesis Planning Systems
MMORF：一种用于设计多目标逆合成规划系统的多智能体框架
机构 * Department of Computer Science and Engineering, The Ohio State University（俄亥俄州立大学计算机科学与工程系） ； Department of Mathematics and Statistics, University of South Florida（南佛罗里达大学数学与统计系） ； Division of Medicinal Chemistry and Pharmacognosy, The Ohio State University（俄亥俄州立大学药物化学与生药学系） ； Department of Biomedical Informatics, The Ohio State University（俄亥俄州立大学生物医学信息学系） ； Translational Data Analytics Institute, The Ohio State University（俄亥俄州立大学转化数据分析研究所）
专题命中 安全评测 ：safety(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出MMORF框架，通过多智能体系统解决多目标逆合成规划问题，展示了MASIL和RFAS在安全、成本和约束任务中的优越性能。
Comments 36 pages, 1 figure
OutSafe-Bench: A Benchmark for Multimodal Offensive Content Detection in Large Language Models
OutSafe-Bench：一种用于大型语言模型多模态攻击内容检测的基准测试
机构 * School of Engineering, Westlake University（西湖大学工学院） ； Sony AI（索尼人工智能）
专题命中 安全评测 ：safety(abstract)；分类 cs.CL、cs.LG
AI总结 本文提出OutSafe-Bench，首个多模态时代内容安全评估测试套件，包含四类模态大规模数据集及多维交叉风险评分指标，评估九种内容风险类别，揭示九种先进MLLM的安全漏洞。
HeartcareGPT: A Unified Multimodal ECG Suite for Dual Signal-Image Modeling and Understanding
HeartcareGPT：一种统一的多模态ECG套件，用于双信号-图像建模与理解
机构 * Zhejiang University（浙江大学）
专题命中 安全评测 ：alignment(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出HeartcareGPT，通过Dual Stream Projection Alignment机制，实现ECG信号与图像的统一建模，提升多视角ECG理解能力，并建立医学多模态大语言模型向生理信号领域扩展的方法论基础。
Exclusive Unlearning
排除性反学习
机构 * Tohoku University（东北大学） ； NII LLMC（国立信息学研究所 LLMC） ； The University of Tokyo（东京大学）
专题命中 安全评测 ：safety(abstract)；分类 cs.CL
AI总结 本文提出排除性反学习方法，通过广泛遗忘非目标知识以实现广泛危害消除，确保模型在多种输入下安全，同时保持对特定领域指令的响应能力。
Scientific Graphics Program Synthesis via Dual Self-Consistency Reinforcement Learning
通过双自一致性强化学习实现科学图形程序合成
机构 * Zhejiang University（浙江大学） ； Shanghai Artificial Intelligence Laboratory, OpenDataLab（上海人工智能实验室，OpenDataLab） ； Shanghai Jiao Tong University（上海交通大学） ； Peking University（北京大学）
专题命中 安全评测 ：alignment(abstract)；分类 cs.AI
AI总结 本文提出双自一致性强化学习框架，结合高质量数据集和多维基准，提升科学图形到可编辑TikZ代码的转换能力，实现视觉与结构的高精度优化。
Flowr -- Scaling Up Retail Supply Chain Operations Through Agentic AI in Large Scale Supermarket Chains
Flowr -- 通过大规模超市连锁中的代理AI实现零售供应链运营的扩展
机构 * Old Dominion University（老道明大学） ； Florida International University（佛罗里达国际大学） ； Nanyang Technological University（南洋理工大学） ； University of Colombo（科伦坡大学） ； Center for Wireless Communications, University of Oulu（奥卢大学无线通信中心） ； University of Sri Jayewardenepura（斯里贾亚瓦德纳普拉大学） ； Accenture Technology Labs（埃森哲技术实验室）
专题命中 安全评测 ：alignment(abstract)；分类 cs.AI
AI总结 本文提出Flowr框架，通过代理AI自动化大规模超市连锁的端到端供应链流程，减少人工协调负担，提升供需匹配度和异常处理能力。
Understanding: reframing automation and assurance
理解：重新定义自动化与保证
专题命中 安全评测 ：safety(abstract)；分类 cs.CY
AI总结 本文探讨了安全性和保证案例在负责任的工程和治理决策中可能脱离理解的问题，提出通过结构化论证、证据和理论自动化构建Assurance 2.0，以增强决策中的理解能力。
Comments Preprint for Workshop on Formal Arguments for CPS Certification FACCT May 2026
Unifying VLM-Guided Flow Matching and Spectral Anomaly Detection for Interpretable Veterinary Diagnosis
统一视觉语言模型引导的流匹配与谱异常检测用于可解释的兽医诊断
机构 * School of Mathematics, Shandong University（山东大学数学学院） ； Shenzhen Loop Area Institute（深圳河套学院） ； Yeshiva University（叶史瓦大学） ； Qilu University of Technology（齐鲁工业大学） ； Shandong Normal University（山东师范大学） ； Chuzhou University（滁州学院）
专题命中 安全评测 ：trustworthy(abstract)；分类 cs.AI
AI总结 本文提出一种结合流匹配与谱异常检测的新方法，通过视觉语言模型引导分割和随机矩阵理论分析，实现高精度可解释的犬类气胸诊断。
LLM-as-Judge for Semantic Judging of Powerline Segmentation in UAV Inspection
基于LLM的语义判断用于无人机巡检中的电力线分割
机构 * School of Computing Sciences and Computer Engineering, The University of Southern Mississippi（南密西西比大学计算科学与计算机工程学院） ； Electrical Engineering Department, University of South Carolina（南卡罗来纳大学电气工程系） ； Computer Science Department, Faculty of Computers & Artificial Intelligence, Fayoum University（法尤姆大学计算机与人工智能学院计算机科学系）
专题命中 安全评测 ：safety(abstract)；分类 cs.AI
AI总结 本文研究利用大语言模型作为语义判断器，评估无人机搭载模型生成的电力线分割结果可靠性，通过设计两个评估协议测试其重复性和感知敏感性，证明在约束条件下LLM能可靠监控关键任务的分割质量。
Comments 10 pages
From Retinal Evidence to Safe Decisions: RETINA-SAFE and ECRT for Hallucination Risk Triage in Medical LLMs
从视网膜证据到安全决策：RETINA-SAFE和ECRT在医疗大语言模型幻觉风险分层中的应用
机构 * Binjiang Institute of Zhejiang University（浙江大学滨江研究院） ； Communication University of Zhejiang（浙江传媒学院） ； Zhejiang University（浙江大学）
专题命中 安全评测 ：safety(abstract)；分类 cs.AI
AI总结 本文提出RETINA-SAFE和ECRT框架，通过视网膜分级记录构建证据基准，解决医疗LLM中证据不足或冲突导致的幻觉风险分层问题，提升风险评估的准确性和可解释性。
Simultaneous Dual-View Mammogram Synthesis Using Denoising Diffusion Probabilistic Models
同时双视角乳腺X线合成使用去噪扩散概率模型
机构 * Tecnologico de Monterrey, School of Engineering and Sciences（蒙特雷科技大学工程与科学学院） ； School of Engineering, Pontificia Universidad Católica de Chile（智利天主教大学工程学院） ； Tecnologico de Monterrey, School of Medicine and Health Sciences（蒙特雷科技大学医学与健康科学学院）
专题命中 安全评测 ：alignment(abstract)；分类 cs.AI
AI总结 本文提出一种三通道去噪扩散概率模型，同时生成乳腺的CC和MLO视角，通过绝对差编码保持全局结构，用于乳腺影像数据增强和交叉视角AI应用。
Comments Accepted and presented at SPIE Medical Imaging 2025 (Vancouver, Canada)
Journal ref Proc. SPIE 13925, 139251C (2026)
Robust Multilingual Text-to-Pictogram Mapping for Scalable Reading Rehabilitation
鲁棒多语言文本到图示映射以实现可扩展的阅读康复
机构 * Sony Computer Sciences Laboratories（索尼计算机科学实验室）
专题命中 安全评测 ：safety(abstract)；分类 cs.CL
AI总结 本文提出一种多语言AI界面，通过自动增强文本并映射相关图示，帮助特殊教育需求儿童提高阅读理解能力，经过五种语言评估显示系统在语义安全性和可用性方面具有技术可行性。
Comments Accepted at IEEE ICALT 2026
Horizon-LM: A RAM-Centric Architecture for LLM Training
Horizon-LM：一种以RAM为中心的LLM训练架构
专题命中 安全评测 ：alignment(abstract)；分类 cs.CL
AI总结 Horizon-LM通过重新定义CPU和GPU的角色，以主机内存为核心参数存储，实现大模型训练的内存优化，提升训练吞吐量并降低对多GPU集群的依赖。
Comments This paper contained an error in the throughput computation used in the experimental evaluation. Specifically, the TFLOPS calculation omitted the 12HL term in the training FLOPs formula, which led to systematic underestimation of the reported throughput numbers in the experimental results. We are withdrawing this version to correct the evaluation and avoid confusion for readers
EVM-QuestBench: An Execution-Grounded Benchmark for Natural-Language Transaction Code Generation
EVM-QuestBench: 一个基于执行的自然语言交易代码生成基准测试
机构 * Gradient ； Soochow University（苏州大学）
专题命中 安全评测 ：safety(abstract)；分类 cs.CL
AI总结 本文提出EVM-QuestBench，一个基于执行的自然语言交易脚本生成基准测试，包含107个任务，通过动态评估和模块化架构评估20个模型，发现单步精度与多步流程完成存在显著差异。
Comments 10 pages, 13 figures
Incremental Risk Assessment for Cascading Failures in Large-Scale Multi-Agent Systems
大规模多智能体系统中递增风险评估用于级联故障
专题命中 安全评测 ：safety(abstract)
AI总结 本文提出一种框架，用于研究和量化时间延迟共识网络中级联故障的风险，通过平均值在风险评估中使用系统性措施，揭示风险与拉普拉斯谱、通信延迟和噪声统计的依赖关系，并建立根本下界以评估网络性能。
Not All Agents Matter: From Global Attention Dilution to Risk-Prioritized Game Planning
并非所有智能体都重要：从全局注意力稀释到风险优先的游戏规划
机构 * School of Cyberspace Security, Southeast University（东南大学网络空间安全学院） ； School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） ； Vehicle and Mobility School, Tsinghua University（清华大学车辆与运载学院）
专题命中 安全评测 ：safety(abstract)
AI总结 本文提出风险优先游戏规划方法，通过GameAD框架提升自动驾驶轨迹安全性，实验表明其在复杂环境中表现更优。
Comments 14 pages, 5 figures
MIRAGE: Benchmarking and Aligning Multi-Instance Image Editing
MIRAGE：多实例图像编辑的基准测试与对齐
机构 * LTCI, Télécom Paris, Institut Polytechnique de Paris, France（法国巴黎理工学院电信巴黎分校LTCI实验室）
专题命中 安全评测 ：alignment(abstract)
AI总结 本文提出MIRAGE框架，通过多分支并行去噪策略实现精确多实例编辑，解决现有方法在多实例和复合指令下的过度编辑和空间错位问题。
